CN103530126B - 基于飞行机器人巡检视频的电力线故障诊断系统及方法 - Google Patents

基于飞行机器人巡检视频的电力线故障诊断系统及方法 Download PDF

Info

Publication number
CN103530126B
CN103530126B CN201310496088.6A CN201310496088A CN103530126B CN 103530126 B CN103530126 B CN 103530126B CN 201310496088 A CN201310496088 A CN 201310496088A CN 103530126 B CN103530126 B CN 103530126B
Authority
CN
China
Prior art keywords
video
feature vocabulary
comment
value
vocabulary
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201310496088.6A
Other languages
English (en)
Other versions
CN103530126A (zh
Inventor
柳长安
吴华
石晓亮
杨国田
刘春阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN201310496088.6A priority Critical patent/CN103530126B/zh
Publication of CN103530126A publication Critical patent/CN103530126A/zh
Application granted granted Critical
Publication of CN103530126B publication Critical patent/CN103530126B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了电力线监测和故障诊断技术领域中的一种基于飞行机器人巡检视频的电力线故障诊断系统及方法。系统包括顺序相连的视频特征标定模块、视频特征评论模块、评论数据分析模块和故障分析模块；方法包括：为飞行机器人巡检获取的视频标定特征词汇并确定特征词汇的权值，输入针对视频的特征词汇的评论数据，并将视频的特征词汇的评论数据整合，得到视频的特征词汇对应的评论数组，根据视频的特征词汇对应的评论数组确定视频的特征词汇的评论值，根据视频的特征词汇的评论值以及特征词汇的权值计算视频的故障判定值，根据故障判定值判定电力线是否出现故障。本发明能够准确、客观和可靠的分析出输配电线路运行故障。

Description

基于飞行机器人巡检视频的电力线故障诊断系统及方法
技术领域
本发明属于电力线监测和故障诊断技术领域，尤其涉及一种基于飞行机器人巡检视频的电力线故障诊断系统及方法。
背景技术
输配电线路传输距离远、支线多且大部分是架空线和电缆线，环境和气候条件恶劣，外破、设备故障和雷电等自然灾害常常造成故障率较高。一旦出现故障停电，首先给人民群众生活带来不便，干扰了企业的正常生产经营；其次给供电公司造成较大损失；再者一条线路距离较长，分支又多，呈网状结构，查找故障非常困难，浪费了大量的人力和物力。为了加强架空输电线路的全过程管理，及时掌握输电线路运行情况，制定有针对性的预防事故措施，全面提高输配电线路的管理水平，目前常采用的技术手段是，利用飞行机器人巡检架空电力线路获取线路运行实时视频，通过对视频进行分析和评价获知输配电线路运行情况。飞行机器人巡检架空电力线路是提高运维效率、降低人力巡检危险和巡检成本的重要途径。但是，如何综合利用这些分析和评价信息，给出准确、客观和可靠的线路运行分析结果是目前亟待解决的问题。
发明内容
本发明的目的在于，提供一种基于飞行机器人巡检视频的电力线故障诊断系统及方法，用于根据飞行机器人巡检架空电力线路获取的实时视频，判断电力线是否发生故障。
为了实现上述目的，本发明提出的技术方案是，一种基于飞行机器人巡检视频的电力线故障诊断系统，其特征是所述系统包括：顺序相连的视频特征标定模块、视频特征评论模块、评论数据分析模块和故障分析模块；
所述视频特征标定模块用于为飞行机器人巡检获取的视频标定特征词汇以及确定特征词汇的权值；
所述视频特征评论模块用于输入视频的特征词汇的评论数据，并将视频的特征词汇的评论数据整合，得到视频的特征词汇对应的评论数组；
所述评论数据分析模块用于根据视频的特征词汇对应的评论数组确定视频的故障判定值；
所述故障分析模块用于根据故障判定值判定电力线是否出现故障。
所述特征词汇包括杆塔、导地线、绝缘子、金具、接地装置、附属设施、通道环境和基础。
一种基于飞行机器人巡检视频的电力线故障诊断方法，其特征是所述方法包括：
步骤1：为飞行机器人巡检获取的视频标定特征词汇并确定特征词汇的权值；
步骤2：输入针对视频的特征词汇的评论数据，并将视频的特征词汇的评论数据整合，得到视频的特征词汇对应的评论数组；
步骤3：根据视频的特征词汇对应的评论数组确定视频的特征词汇的评论值；
步骤4：根据视频的特征词汇的评论值以及特征词汇的权值计算视频的故障判定值；
步骤5：根据故障判定值判定电力线是否出现故障。
所述为飞行机器人巡检获取的视频标定特征词汇并确定特征词汇的权值具体是，根据国家电网架空电力线路评价标准确定的特征词汇及所述特征词汇对应的权值，为飞行机器人巡检获取的视频标定特征词汇并确定特征词汇的权值。
所述根据视频的特征词汇对应的评论数组确定视频的特征词汇的评论值包括：
子步骤101：对视频的特征词汇对应的评论数组中的每个评论数据进行中文分词；
子步骤102：将每个评论数据的中文分词结果中的形容词提取出来作为有效观点词；
子步骤103：确定每个有效观点词的属性值；
子步骤104：当有效观点词前存在距离不大于2个中文分词的否定词时，将有效观点词的属性值取负；否则，有效观点词的属性值不变；
子步骤105：根据公式计算视频的特征词汇的评论值；
其中，i=1,2,...,n，n为视频的特征词汇的个数；
k=1,2,...,K，K为用户个数；
Aik为视频的第i特征词汇的第k个用户的评论数据进行中文分词后得到的有效观点词的属性值。
所述确定每个有效观点词的属性值根据预置的文本情感分类语料库中的形容词对应的属性值确定。
所述对视频的特征词汇对应的评论数组中的每个评论数据进行中文分词之前，还包括去除评论数据中的停用词和不用于断句的符号。
所述根据视频的特征词汇的评论值以及特征词汇的权值计算视频的故障判定值采用公式
其中，i=1,2,...,n，n为视频的特征词汇的个数；
Pi为视频的第i个特征词汇的评论值；
ri为视频的第i个特征词汇的权值。
本发明提供的系统和方法，能够准确、客观和可靠的分析出输配电线路运行故障。
附图说明
图1是基于飞行机器人巡检视频的电力线故障诊断系统结构图；
图2是基于飞行机器人巡检视频的电力线故障诊断方法流程图。
具体实施方式
下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。
图1是基于飞行机器人巡检视频的电力线故障诊断系统结构图。如图1所示，本发明提供的基于飞行机器人巡检视频的电力线故障诊断系统包括：顺序相连的视频特征标定模块、视频特征评论模块、评论数据分析模块和故障分析模块。视频特征标定模块用于为飞行机器人巡检获取的视频标定特征词汇以及确定特征词汇的权值。视频特征评论模块用于输入视频的特征词汇的评论数据，并将视频的特征词汇的评论数据整合，得到视频的特征词汇对应的评论数组。评论数据分析模块用于根据视频的特征词汇对应的评论数组确定视频的故障判定值。故障分析模块用于根据故障判定值判定电力线是否出现故障。其中，特征词汇包括杆塔、导地线、绝缘子、金具、接地装置、附属设施、通道环境和基础。
图2是基于飞行机器人巡检视频的电力线故障诊断方法流程图。如图2所示，当特征词汇选定杆塔、导地线、绝缘子、金具、接地装置、附属设施、通道环境和基础时，本发明提供的方法包括：
步骤1：为飞行机器人巡检获取的视频标定特征词汇并确定特征词汇的权值。
为飞行机器人巡检获取的视频标定特征词汇并确定特征词汇的权值时，可以采用国家电网架空电力线路评价标准确定的特征词汇及其对应的权值。当某段视频中出现杆塔、导地线、绝缘子、金具、接地装置、附属设施、通道环境和基础特征时，将该段视频标定上述8个特征词汇，并根据国家电网架空电力线路评价标准，确定这8个特征词汇的权值。如果某段视频中没有出现杆塔、导地线、绝缘子、金具、接地装置、附属设施、通道环境或基础特征中的一个或者几个，则该段视频不标定未出现的特征。
步骤2：输入针对视频的特征词汇的评论数据，并将视频的特征词汇的评论数据整合，得到视频的特征词汇对应的评论数组。
步骤3：根据视频的特征词汇对应的评论数组确定视频的特征词汇的评论值。包括：
子步骤101：对视频的特征词汇对应的评论数组中的每个评论数据进行中文分词。为确保中文分词的效果，在进行中文分词之前，还可以先去除评论数据中没有实际含义的停用词和不用于断句的符号。
子步骤102：将每个评论数据的中文分词结果中的形容词提取出来作为有效观点词。
子步骤103：确定每个有效观点词的属性值。
可以根据预置的文本情感分类语料库中的形容词对应的属性值确定每个有效观点词的属性值。文本情感分类语料库中记载了评论数据中有可能出现的形容词以及该形容词对应的属性值。
还可以通过下属方式确定每个有效观点词的属性值，即：
步骤A、查找中文基础情感词典，若词典中存在该有效观点词，获取其相关的属性值，若不存在，则执行如下步骤B。
步骤B、查找电力领域极性词典，若存在该有效观点词，则获取相应属性值，若不存在，则执行如下步骤C。
步骤C、对于未查找成功的词汇，先在HowNet提供的同义词词典中寻找该有效观点词的同义词，若存在该有效观点词的同义词，则对该同义词执行如上操作（步骤A或步骤B），若不存在，则暂时认为该有效观点词的词性不可判断，其属性值为0，即为中性词。
子步骤104：当有效观点词前存在距离不大于2个中文分词的否定词时，将有效观点词的属性值取负。即如果有效观点词前存在距离不大于2个中文分词的否定词，这表明评论数据表示有效观点词的反义，则将在其属性值前加负号。如果有效观点词前没有否定词，或者虽然存在否定词，但该否定词与有效观点词之间的距离大于2个中文分词，则该有效观点词的属性值保持不变。
子步骤105：根据公式计算视频的特征词汇的评论值。其中，i=1,2,...,n，n为视频的特征词汇的个数；k=1,2,...,K，K为用户个数；Aik为视频的第i特征词汇的第k个用户的评论数据进行中文分词后得到的有效观点词的属性值。
步骤4：根据视频的特征词汇的评论值以及特征词汇的权值计算视频的故障判定值。
本发明采用公式计算视频的故障判定值，其中i=1,2,...,n，n为视频的特征词汇的个数；Pi为视频的第i个特征词汇的评论值；ri为视频的第i个特征词汇的权值。
步骤5：根据故障判定值判定电力线是否出现故障。
由于前述步骤不仅能够得到故障判定值，还能够计算出视频的特征词汇的评论值，因此本发明不仅可以根据故障判定值判定电力线是否出现故障，还可以根据视频的特征词汇的评论值，确定电力线某个方面的特征是否运行正常。
下面结合具体的实例，说明本发明的实现过程。
步骤1：给每段视频设定一个或多个特征词汇，特征词汇包括杆塔、导地线、绝缘子、金具、接地装置、附属设施、通道环境和基础。
步骤2：用户根据视频内容，对每一个视频的特征词汇给出包含视频特征词汇且具有明确观点的评论。以杆塔为例，列出部分可能存在的用户评论，其它部分同杆塔，内容如下：
杆塔正常。
杆塔正常使用。
杆塔未发现异常。
视频中的杆塔可以正常使用。
杆塔主体略微倾斜。
杆塔即将倒塌了。
杆塔上有不明物体。
杆塔存在部件缺失。
杆塔主体存在裂痕。
杆塔根部位置移动。
将评论数据与特征词汇匹配保存，并将视频的特征词汇的评论数据整合，得到视频的特征词汇对应的评论数组为A1=（杆塔正常，杆塔正常使用，杆塔未发现异常，视频中的杆塔可以正常使用，杆塔主体略微倾斜，杆塔即将倒塌了，杆塔上有不明物体，杆塔存在部件缺失，杆塔主体存在裂痕，杆塔根部位置移动）。
步骤3：根据视频的特征词汇对应的评论数组确定视频的特征词汇的评论值。包括：
首先，对用户评论数据进行去停用词，如的、了。然后进行中文分词，分词结果如下：
杆塔\n正常。
杆塔\n正常\n使用。
杆塔\n未\n发现\n异常。
视频\n中\n杆塔\n可以\n正常\n使用。
杆塔\n主体\n略微\n倾斜。
杆塔\n即将\n倒塌。
杆塔\n上\n有\n不明\n物体。
杆塔\n存在\n部件\n缺失。
杆塔\n主体\n存在\n裂痕。
杆塔\n根部\n位置\n移动。
其次：将每个评论数据的中文分词结果中的形容词提取出来作为有效观点词。如正常、未、异常、倒塌、裂痕、移动等。
接下来，确定每个有效观点词的属性值。根据文本情感分类语料库，对观点词赋值，褒义词为正负，贬义词为负数，中性词为0。具体如下：
杆塔\n正常0.7982。
杆塔\n正常0.7982\n使用。
杆塔\n未\n发现\n异常-0.7982。
视频\n中\n杆塔\n可以\n正常0.7982\n使用。
杆塔\n主体\n略微\n倾斜-0.5983。
杆塔\n即将\n倒塌-0.9997。
杆塔\n上\n有\n不明-0.4537\n物体。
杆塔\n存在\n部件\n缺失-0.8116。
杆塔\n主体\n存在\n裂痕-0.4537。
杆塔\n根部\n位置\n移动-0.6500。
最后，计算出视频的特征词汇的评论值，T(正常)=3*0.7982=2.3946，T(异常)=-0.7982，T(倾斜)=-0.5983，T(倒塌)=-0.9997，T(不明)=-0.4537，T(缺失)=-0.8116，T(裂痕)=-0.4537，T(移动)=-0.6500。
计算出视频的特征词汇的评论值为：
P=2.3946+0.7982-0.5983-0.9997-0.4537-0.8116-0.4537-0.65=-0.981。
步骤4：根据视频的特征词汇的评论值以及特征词汇的权值计算视频的故障判定值。
对每个特征词汇计算出一个评论值，将所有特征词汇的评论值以及特征词汇的权值合在一起，计算视频的故障判定值。
步骤5：根据故障判定值判定电力线是否出现故障，并提交决策层决断或者提请维修部门进行故障排查。故障判定值的大小反映出特征词描述的设备可能存在故障的概率的大小。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (7)

1.一种基于飞行机器人巡检视频的电力线故障诊断系统，其特征是所述系统包括：顺序相连的视频特征标定模块、视频特征评论模块、评论数据分析模块和故障分析模块；
所述视频特征标定模块用于为飞行机器人巡检获取的视频标定特征词汇以及确定特征词汇的权值；
所述视频特征评论模块用于输入视频的特征词汇的评论数据，并将视频的特征词汇的评论数据整合，得到视频的特征词汇对应的评论数组；
所述评论数据分析模块用于根据视频的特征词汇对应的评论数组确定视频的特征词汇的评论值，然后根据视频的特征词汇的评论值以及特征词汇的权值计算视频的故障判定值；
所述评论数据分析模块具体分为
第一子模块用于对视频的特征词汇对应的评论数组中的每个评论数据进行中文分词；
第二子模块用于将每个评论数据的中文分词结果中的形容词提取出来作为有效观点词；
第三子模块用于确定每个有效观点词的属性值；
第四子模块用于当有效观点词前存在距离不大于2个中文分词的否定词时，将有效观点词的属性值取负；否则，有效观点词的属性值不变；
第五子模块用于根据公式计算视频的特征词汇的评论值；
其中，i＝1,2,...,n，n为视频的特征词汇的个数；
k＝1,2,...,K，K为用户个数；
Aik为视频的第i特征词汇的第k个用户的评论数据进行中文分词后得到的有效观点词的属性值；
所述故障分析模块用于根据故障判定值判定电力线是否出现故障。
2.根据权利要求1所述的系统，其特征是所述特征词汇包括杆塔、导地线、绝缘子、金具、接地装置、附属设施、通道环境和基础。
3.一种基于飞行机器人巡检视频的电力线故障诊断方法，其特征是所述方法包括：
步骤1：为飞行机器人巡检获取的视频标定特征词汇并确定特征词汇的权值；
步骤2：输入针对视频的特征词汇的评论数据，并将视频的特征词汇的评论数据整合，得到视频的特征词汇对应的评论数组；
步骤3：根据视频的特征词汇对应的评论数组确定视频的特征词汇的评论值；
步骤4：根据视频的特征词汇的评论值以及特征词汇的权值计算视频的故障判定值；
步骤5：根据故障判定值判定电力线是否出现故障；
所述根据视频的特征词汇对应的评论数组确定视频的特征词汇的评论值包括：
子步骤101：对视频的特征词汇对应的评论数组中的每个评论数据进行中文分词；
子步骤102：将每个评论数据的中文分词结果中的形容词提取出来作为有效观点词；
子步骤103：确定每个有效观点词的属性值；
子步骤104：当有效观点词前存在距离不大于2个中文分词的否定词时，将有效观点词的属性值取负；否则，有效观点词的属性值不变；
子步骤105：根据公式计算视频的特征词汇的评论值；
其中，i＝1,2,...,n，n为视频的特征词汇的个数；
k＝1,2,...,K，K为用户个数；
Aik为视频的第i特征词汇的第k个用户的评论数据进行中文分词后得到的有效观点词的属性值。
4.根据权利要求3所述的方法，其特征是所述为飞行机器人巡检获取的视频标定特征词汇并确定特征词汇的权值具体是，根据国家电网架空电力线路评价标准确定的特征词汇及所述特征词汇对应的权值，为飞行机器人巡检获取的视频标定特征词汇并确定特征词汇的权值。
5.根据权利要求3所述的方法，其特征是所述确定每个有效观点词的属性值根据预置的文本情感分类语料库中的形容词对应的属性值确定。
6.根据权利要求5所述的方法，其特征是所述对视频的特征词汇对应的评论数组中的每个评论数据进行中文分词之前，还包括去除评论数据中的停用词和不用于断句的符号。
7.根据权利要求3所述的方法，其特征是所述根据视频的特征词汇的评论值以及特征词汇的权值计算视频的故障判定值采用公式
其中，i＝1,2,...,n，n为视频的特征词汇的个数；
Pi为视频的第i个特征词汇的评论值；
ri为视频的第i个特征词汇的权值。
CN201310496088.6A 2013-10-21 2013-10-21 基于飞行机器人巡检视频的电力线故障诊断系统及方法 Expired - Fee Related CN103530126B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310496088.6A CN103530126B (zh) 2013-10-21 2013-10-21 基于飞行机器人巡检视频的电力线故障诊断系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310496088.6A CN103530126B (zh) 2013-10-21 2013-10-21 基于飞行机器人巡检视频的电力线故障诊断系统及方法

Publications (2)

Publication Number Publication Date
CN103530126A CN103530126A (zh) 2014-01-22
CN103530126B true CN103530126B (zh) 2016-08-17

Family

ID=49932166

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310496088.6A Expired - Fee Related CN103530126B (zh) 2013-10-21 2013-10-21 基于飞行机器人巡检视频的电力线故障诊断系统及方法

Country Status (1)

Country Link
CN (1) CN103530126B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106101658A (zh) * 2016-08-13 2016-11-09 哈尔滨理工大学 杆塔异物和缺失智能视频在线监测系统
CN106131501A (zh) * 2016-08-13 2016-11-16 哈尔滨理工大学 输电线路异物和缺失智能视频在线监测系统
CN111831528A (zh) * 2020-07-17 2020-10-27 浪潮商用机器有限公司 一种计算机系统日志关联方法及相关装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1645284A (zh) * 2004-12-17 2005-07-27 华北电力大学（北京） 电力线路巡检机器人飞机及其控制系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3019227B2 (ja) * 1991-10-17 2000-03-13 株式会社戸上電機製作所 送配電線事故診断方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1645284A (zh) * 2004-12-17 2005-07-27 华北电力大学（北京） 电力线路巡检机器人飞机及其控制系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
架空电力线故障诊断系统的仿真数据生成算法;吴华等;《仪器仪表学报》;20130630;第34卷(第6期);第1388-1393页 *

Also Published As

Publication number Publication date
CN103530126A (zh) 2014-01-22

Similar Documents

Publication Publication Date Title
CN106202886B (zh) 基于模糊粗糙集与决策树的轨道电路红光带故障定位方法
CN108872781B (zh) 基于电力设施智能巡检的分析方法及装置
CN103530126B (zh) 基于飞行机器人巡检视频的电力线故障诊断系统及方法
JP2023542460A (ja) ゼロサンプル学習に基づく絶縁体欠陥検出方法及びシステム
CN103745229A (zh) 一种基于svm的轨道交通故障诊断方法及系统
CN105677833B (zh) 一种基于文本挖掘技术提取断路器故障特征信息的方法
CN103901298A (zh) 变电站设备运行状态的检测方法与系统
CN112070134A (zh) 电力设备图像分类方法、装置、电力设备及存储介质
CN109379228A (zh) 误告警信息识别方法及装置、存储介质、电子终端
CN105303162A (zh) 一种基于目标建议算法的航拍图像绝缘子识别算法
CN108961094A (zh) 基于输电线路最小空气间隙在线量测的风偏故障预警方法
CN106226665A (zh) 高压输电线路绝缘子分布电场检测仪及检测系统
CN112182220A (zh) 基于深度学习的客服预警分析方法、系统、设备及介质
CN117498225B (zh) 一种无人机智能电力线路巡检系统
CN114119528A (zh) 一种配电线路绝缘子的缺陷检测方法及装置
CN113918723A (zh) 一种设备信息的分类方法及装置
CN116704387B (zh) 一种基于视频结构化的电力线路通道巡检系统和方法
CN117556238A (zh) 一种基于故障预测的电力设备巡检方法及系统
CN112683916A (zh) 集电线路杆塔小金具缺失或安装错误的识别方法及装置
CN116989842A (zh) 一种基于大数据的设备故障诊断方法、装置及存储介质
CN113592864B (zh) 基于卷积神经网络的变压器监控方法、装置、系统及介质
CN115902541A (zh) 一种输电线路绝缘子放电及缺陷的诊断方法及系统
CN110516551B (zh) 一种基于视觉的巡线位置偏移识别系统、方法及无人机
CN112051493A (zh) 一种配电网设备的隐患类型识别方法及装置
CN106646017B (zh) 一种变压器重要度的划分方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160817

Termination date: 20171021

CF01 Termination of patent right due to non-payment of annual fee